TF 手写体识别简单实例： TensorFlow很适合用来进行大规模的数值计算，其中也包括实现和训练深度神经网络模型。下面将介绍TensorFlow中模型的基本组成部分，同时将构建一个CNN模型来对MNIST数据集中的数字手写体进行识别。 基本设置 在我们构建模型之前，我们首先加载MNIST数据集，
转载
2018-09-29 12:01:00
142阅读
2评论
图像分类是计算机视觉中的基础任务，本实例使用 TensorFlow 和 Keras 库对 MNIST 手写数字数据集进行分类。import tensorflow as tffrom tensorflow.keras.datasets import mnistfrom tensorflow.keras.models import Sequentialfrom tensorflow.keras.lay
# Python TensorFlow 实例：深度学习的入门指南
## 一、什么是 TensorFlow？
TensorFlow 是一个开源的机器学习框架，由谷歌于 2015 年发布。它可以用于构建和训练各种类型的神经网络，方便研究者和工程师快速实现和测试他们的模型。TensorFlow 支持多种平台，包括 CPU、GPU 和移动设备，这使得它在深度学习领域得到了广泛的应用。
## 二、Te
原创
2024-08-14 06:28:36
20阅读
# Python TensorFlow 实例入门
TensorFlow 是一个开源的深度学习框架，由 Google Brain 团队开发。它广泛应用于机器学习和人工智能领域，帮助科研人员和开发者构建和训练复杂的神经网络。在本文中，我们将通过一个简单的例子来演示 TensorFlow 的基本用法，并理解模型的训练过程。
## 安装 TensorFlow
在开始之前，确保你已经安装了 Tenso
TensorFlow.js是什么一个用JavaScript实现的机器学习库。可以直接在浏览器和Node.js中适用机器学习技术了。通过上面两点可以知道TensorFlow.js首先是一个工具库，并不是一个产品，不能直接帮助我们创造价值，但是我们可以利用这个工具库开发出一个产品来创造价值。其实TensorFlow是利用JS实现，我么都知道Python是人工智能的主流语言，有了TensorFlow.j
转载
2024-01-04 06:43:17
46阅读
import tensorflow as tftf_file_writer = tf.python_io.TFRecordWriter("tmp")fea = [1,2,3]#tf.ones(shape=[3,2],dtype=tf.float32)label_vector= [4,5,6]#tf.zeros([2],dtype=tf.float32)example = tf.train....
原创
2022-07-19 11:51:30
53阅读
TensorFlow 更新频率实在太快，从 1.0 版本正式发布后，很多 API 接口就发生了改变。今天用 TF 训练了一个 CNN 模型，结果在保存模型的时候居然遇到各种问题。Google 搜出来的答案也是莫衷一是，有些回答对 1.0 版本的已经不适用了。后来实在没办法，就翻了墙去官网看了下，结果分分钟就搞定了～囧～。这篇文章内容不多，主要讲讲 TF v1.0 版本中保存和读取模型的最简单用法，
转载
2024-09-02 12:22:06
25阅读
import tensorflow as tf
原创
2023-01-13 00:37:35
113阅读
import tensorflow as tfa = tf.constant([[1,2,3],[1,2,3]])b = tf.constant([[2,3,4]])print(a.get_shape())print(b.get_shape())c = a*bc= tf.Print(c,[c])with tf.Session() as sess: print(sess.run(c))prin
原创
2022-07-19 11:38:33
79阅读
TensorFlow 是一个用于人工智能的开源神器 ，主要为深度学习算法提供了很多函数，以及独特的运算支持。废话不多说直接上干货。我的环境：python3.7tensorflow==1.13.2numpy==1.20.21、入门示例import tensorflow as tf
# 第一步：定义计算（计算图）
a = tf.constant([1, 2])
b = tf.constant([2,
import tensorflow as tf# 创建一个常量 op, 产生一个 1x2 矩阵. 这个 op 被作为一个节点# 加到默认图中.## 构造器的返回值代表该常量 op 的返回值.matrix1 = tf.constant([[3., 3.]])# 创建另外一个常量 op, 产生一个 2x1 矩阵.matrix2 = tf.constant([[2.],[2.]])# 创建一个矩阵乘法
原创
2023-01-13 06:03:18
349阅读
文章目录简介 & 特性安装例子：CIFAR-10深入学习 & 代码片段自定义自动微分函数串行模型自定义网络模块 PyTorch确实比TensorFlow更好用，现在很多RL库也是基于PyTorch的，所以还是得学习一下。本文主要记录下其特性、要点，以及速查链接。简介 & 特性PyTorch主要提供两大功能：张量(tensor)计算和自动微分(autograd)。这两个功能
转载
2023-10-29 00:04:24
85阅读
简单实例 服务端 我们使用 socket 模块的 socket 函数来创建一个 socket 对象。socket 对象可以通过调用其他函数来设置一个 socket 服务。 现在我们可以通过调用 bind(hostname, port) 函数来指定服务的 port(端口)。 接着，我们调用 socke
转载
2019-08-03 17:53:00
200阅读
2评论
tensorflow 简单的列子：主要步骤为：①定义数据，可以用tf.placeholder：用于可以更改的变量
原创
2023-06-15 11:12:46
73阅读
TensorFlow™是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBeliefTensorflow拥有多层级结构，可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究Tensorflow
1.tf.Graph()你一旦开始你的任务，就已经有一个默认的图已经创建好了。而且可以通过调用tf.get_default_graph()来访问到。 添加一个操作到默认的图里面，只要简单的调用一个定义了新操作的函数就行。比如下面的例子展示的：import tensorflow as tf
import numpy as np
c=tf.constant(value=1)
print(c
转载
2023-10-13 15:13:40
89阅读
一、概述通过之前两篇文章的学习，我们应该已经了解了多元分类的工作原理，图片的分类其流程和之前完全一致，其中最核心的问题就是特征的提取，只要完成特征提取，分类算法就很好处理了，具体流程如下：之前介绍过，图片的特征是不能采用像素的灰度值的，这部分原理的台阶有点高，还好可以直接使用通过TensorFlow训练过的特征提取模型（美其名曰迁移学习）。模型文件为：tensorflow_inception_gr
转载
2024-03-12 22:21:59
80阅读
# -*- coding:utf-8 -*-from __future__ import print_function'''HelloWorld example using TensorFlow library....
转载
2017-07-19 19:51:00
181阅读
2评论
后台很多同学问我深度学习框架到底该学TensorFlow还是PyTorch呢？我将在以下几个方面给出个人建议。一、易学性与操作性深度学习框架使用计算图来定义神经网络中执行的计算顺序。TF1使用的静态图机制，PyTorch使用动态图机制。静态图意味着计算图的构建和实际计算是分开完成(define and run)动态图意味着计算图的构建和实际计算是同时发生(define by run)有的同学可能对
转载
2024-08-15 10:45:01
126阅读
新智元报道 【新智元导读】PyTorch可以和TensorFlow一样快，有时甚至比TensorFlow更快了？这是怎么回事？最近Reddit的一个帖子引起热议。近日，Reddit 上有一个热帖：为什么 PyTorch 和 TensorFlow 一样快 (有时甚至比 TensorFlow 更快)？ 作者说：由于这两个库都在底层使用 cuDNN，所以
